Contrastive Regularization of Machine Learning Potentials
Este artigo introduz o CRMSE (Erro Quadrático Médio Regularizado por Contraste), um método de pós-treinamento que corrige o desvio de distribuição de potenciais interatômicos de aprendizado de máquina ao aumentar o erro de regressão padrão com um termo de contraste derivado da divergência de Kullback-Leibler, permitindo assim uma amostragem termodinâmica precisa sem a necessidade de dados ab initio adicionais.